Multi-Objective Machine Learning
Yaochu Jin
červen 2007 · Studies in Computational Intelligence Kniha 16 · Springer Science & Business Media
5,0star
3 recenzereport
E‑kniha
660
Stránky
reportHodnocení a recenze nejsou ověřeny Další informace
Podrobnosti o e‑knize
Recently, increasing interest has been shown in applying the concept of Pareto-optimality to machine learning, particularly inspired by the successful developments in evolutionary multi-objective optimization. It has been shown that the multi-objective approach to machine learning is particularly successful to improve the performance of the traditional single objective machine learning methods, to generate highly diverse multiple Pareto-optimal models for constructing ensembles models and, and to achieve a desired trade-off between accuracy and interpretability of neural networks or fuzzy systems. This monograph presents a selected collection of research work on multi-objective approach to machine learning, including multi-objective feature selection, multi-objective model selection in training multi-layer perceptrons, radial-basis-function networks, support vector machines, decision trees, and intelligent systems.
Hodnocení a recenze
5,0
3 recenze
Ohodnotit e‑knihu
Sdělte nám, co si myslíte.
Informace o čtení
Telefony a tablety
Nainstalujte si aplikaci Knihy Google Play pro Android a iPad/iPhone. Aplikace se automaticky synchronizuje s vaším účtem a umožní vám číst v režimu online nebo offline, ať jste kdekoliv.
Notebooky a počítače
Audioknihy zakoupené na Google Play můžete poslouchat pomocí webového prohlížeče v počítači.
Čtečky a další zařízení
Pokud chcete číst knihy ve čtečkách elektronických knih, jako např. Kobo, je třeba soubor stáhnout a přenést do zařízení. Při přenášení souborů do podporovaných čteček elektronických knih postupujte podle podrobných pokynů v centru nápovědy.
